稀疏贝叶斯学习在混合场信道估计中的应用

摘要

为解决近场与远场信道估计方案在应对XL-MIMO混合场信道时的模型不匹配问题，以及克服现有信道估计算法在复杂混合场场景下的性能瓶颈与适用性限制，本文提出了一种双子空间贝叶斯优化算法.该算法基于稀疏信道假设，分别在角度域和极域对远场和近场信道分量进行估计，利用贝叶斯推断计算路径分量的后验分布，并依据最大后验概率准则动态更新路径支持集.通过最大化边际似然函数，算法对远场和近场路径分量的参数进行优化，并迭代更新直至完成路径估计.最终，合并远场和近场路径分量以重构混合场信道.实验结果表明，与现有的近场、远场以及混合场信道估计方案相比，该算法在混合场信道估计性能上分别提高了约2dB、2.5dB和1.7dB.

关键词

超大规模多输入多输出 / 混合场 / 信道估计 / 贝叶斯推断 / 后验分布